电动公交车调度与充电优化：能耗估算、运营技术及未来前景的全面综述

《Renewable Energy》：Electric bus scheduling and charging optimization: A comprehensive review of energy consumption estimation, operational technologies, and future prospects

　　• 提供了对电动巴士调度和充电优化的全面回顾。
• 讨论了用于车辆调度的能源估算方法和充电技术。
• 详细阐述了电动巴士调度中的约束条件、模型和充电因素。
• 强调了电动巴士、电网和可再生能源之间的相互作用。
• 识别了研究空白，并提出了未来研究的方向。

### 引言
随着全球工业革命和科学技术的进步，化石燃料的广泛使用加剧了全球变暖和碳排放，引发了一系列严重的环境挑战，这些挑战引起了世界各国政府的广泛关注。城市交通被认为是全球碳排放和能源消耗的主要贡献者之一[1]，[2]。在过去三十年中，欧盟对各种交通方式的能耗进行了分析，并明确指出公共交通是碳排放的主要来源[3]。根据国际能源署的数据，近年来全球与能源相关的二氧化碳排放量持续上升。2023年，全球与能源相关的二氧化碳排放量增加了1.1%，达到37.4 Gt的创纪录水平。2024年，总能源相关二氧化碳排放量 further 增加了0.8%，达到37.8 Gt。2025年，尽管增长率放缓，但全球与能源相关的二氧化碳排放量仍增加了约145 Mt，接近38.4 Gt。这些最新数据显示，全球碳排放量仍处于历史高位，减少碳排放仍然是一个紧迫的挑战。因此，交通运输部门成为碳排放治理的重点，减少该领域的碳排放已成为应对气候变化的首要任务。
为了应对这一挑战，用清洁和可再生能源替代传统化石燃料变得越来越重要。因此，交通运输电气化被视为减少对化石燃料依赖和碳排放的战略途径。电动车（EVs），尤其是电动巴士（EBs），因其零排放、低噪音和高能效而受到全球关注。与私人车辆相比，巴士通常行驶在固定路线上，遵循固定的时间表，并在停车场进行集中停放和充电，这使其适合于电气化和协调充电管理。然而，EBs 的有限行驶里程仍然是一个关键的操作限制，使得能源消耗估算、车辆调度和充电调度尤为重要。各国正在积极推动公共交通从传统燃油巴士向EBs 的转变，这一过程在全球范围内正在加速[4]。EBs 的广泛采用显示出全球性的积极增长趋势[5]。如图1所示，从2018年到2024年，世界各地的EBs 销量快速增长，特别是在2024年，一些欧洲国家和中国的EBs 市场份额超过了50%。在欧盟，纯EBs 占城市巴士销量的43%，表明朝着到2035年实现100%零排放城市巴士的目标取得了显著进展。中国在EBs 领域处于领先地位，计划到2035年实现公共部门车辆的全电动化[6]，其中EBs 将发挥关键作用。许多国家也设定了逐步淘汰内燃机车辆的政策目标。例如，挪威计划到2025年禁止销售汽油车，法国计划到2040年禁止销售燃油动力车辆，这些都为EVs 的发展提供了强有力的支持。英国、印度和荷兰等其他国家和地区也设定了类似的目标[7]。
尽管EBs 车队不断扩张，但在实际运营中仍存在一些挑战，如续航里程焦虑、充电时间长和初期采购成本高。这些问题已成为全球公共交通电气化的重大障碍[9]。EBs 的电池容量限制了它们的行驶里程；虽然增加电池容量可以延长续航里程，但会显著提高投资成本和车辆重量。EBs 还面临充电时间长和充电基础设施不足的问题，导致车队可用性和每日运行里程远低于传统燃油动力巴士。通常需要更多的EBs 来替代一辆传统燃油动力巴士，这不仅降低了公共交通企业的运营效率，也增加了车辆调度的复杂性。随着城市不断改进公共交通效率，运营规划已成为巴士系统管理的重要组成部分。图2概述了公共交通规划的不同阶段[10]，主要包括三个阶段：长期战略规划、短期战术规划和实时运营。这些问题需要按照特定的顺序解决，具体内容详见文献[11]和[12]。在长期战略规划中，巴士网络和基础设施的部署通常变化很小，可以维持多年。短期战术规划包括时间表的制定、巴士调度和工作人员调度。时间表的制定旨在优化巴士的服务频率，根据每个巴士站的预期乘客需求确定最有效的出发时间。车辆调度涉及将巴士分配到特定的时间表中，目标是降低运营成本并优化车辆数量。工作人员调度则侧重于为巴士司机制定最佳工作时间表，以降低劳动力成本，同时确保巴士服务的顺利进行。由于EBs 的行驶里程有限，解决调度问题时还必须考虑充电需求。因此，合理的充电策略在EBs 的调度中至关重要[13]，[14]。有效的充电计划可以降低充电成本，避免不必要的车队扩张，并确保电网的稳定性[15]。
此外，准确预测EBs 的能耗已成为规划其部署和调度的前提条件[16]。能耗预测有助于更精确地规划充电需求和调度策略。目前，已有许多研究针对这些问题进行了探讨。Clairand等人[17]主要讨论了EVs（包括电动出租车和巴士）对公共交通系统的影响，重点关注其对电网的影响，而关于车辆方面的研究相对较少。Amin等人[18]对EV充电和调度的研究进行了全面回顾，重点讨论了动态定价模型下的最佳充电计划，但没有深入探讨EBs的车辆和充电调度问题。最近，Si等人[19]回顾了EV充电调度涉及的方法、技术和不确定性管理；然而，他们的讨论主要集中在EV充电的一般问题上，而不是本文所考虑的EB能耗、车队调度和可再生能源的综合分析。Perumal等人[10]概述了公共交通规划不同阶段中的EB规划问题，并回顾了解决EB调度问题的方法。然而，关于EB和充电调度的研究缺乏对能耗和充电方法的扩展。Behnia等人[20]研究了EB调度问题，分析了其不同的结构，并回顾了数学模型、关键约束和目标函数。然而，这项研究较少关注巴士能耗和可再生能源的整合。Zhou等人[21]主要关注充电基础设施规划和充电策略，对巴士调度模型的讨论有限。Alamatsaz等人[22]回顾了巴士运营的综合规划，包括巴士网络设计和充电站选址，并讨论了充电站对电网的影响，但同样缺乏对EBs能耗的分析。Manzolli等人[23]系统分析了2000年至2020年间Scopus数据库中发表的445篇文章，重点是车辆技术、可持续性、车队运营、电池技术和EBs的能源管理。因此，本文进一步探讨了EB车队运营的相关领域，结合了更广泛的主题覆盖范围和近年来发表的最新研究。

根据上述讨论，当前关于EBs 的研究涵盖了多个方面，包括能耗估算、充电技术和充电调度。然而，现有研究主要集中在特定主题上，缺乏对能耗、充电技术、车辆调度（特别是充电调度）及其与可再生能源相互作用的综合回顾。随着这一领域的不断发展，其理论框架仍需进一步完善。因此，本文旨在综合现有文献，提供全面的视角，并确定潜在的未来研究方向。本文将全面回顾EB调度和充电领域的当前研究状况和最新进展，特别关注EB调度模型和充电调度问题中的关键因素和方法。具体来说，本文将详细分析EB运营的能耗估算方法、EBs 的各种充电技术、EB调度模型以及充电调度问题的关键设置，以及车辆调度优化模型的主要解决方法。特别关注EBs、电网和可再生能源的整合。通过这项系统的回顾，本文旨在为读者提供该领域的全面视角，总结最新的研究进展，并讨论未来趋势，以促进EB调度和充电的发展，支持公共交通的电气化。

本文采用了一种方法论框架，通过使用几个关键词来选择研究范围内的相关文献。选定的关键词包括车辆调度、巴士调度、EBs、能耗估算和可再生能源。在第一阶段，初步筛选了文献的标题、摘要和关键词。在第二阶段，详细回顾了选定的文章，重点关注回顾视角、回顾过程、回顾目标和范围以及文章的影响因子。对每项研究中使用的研究方法进行了彻底分析。所有收集的材料主要来自英文出版物。本文利用Web of Science、Google Scholar搜索引擎和权威网站报告来检索相关内容，最终确定研究方向并进行进一步的文献回顾和评估。为了确保时效性，文献搜索更新至目前发表的最新研究。

本文的结构如下：第2节讨论了估算EBs运营能耗的各种方法，特别关注机器学习方法。第3节回顾了用于EBs 的不同充电技术，特别是快速发展的快速充电技术。第4节系统回顾了EB车辆调度和充电调度，解决相关优化模型的主要方法，以及EBs与电网和可再生能源的整合。第5节全面讨论了主要的研究发现、局限性和建议。最后，第6节总结了主要结论，并指出了未来研究的潜在方向。图3展示了EB充电调度的基本研究思路和框架，同时指出了本文讨论的一系列关键问题。

#### EBs的运营能耗估算
EBs的能耗估算在充电基础设施规划、路线优化和充电需求预测等各种应用领域具有巨大潜力。准确估算EBs的能耗对于优化城市交通系统和促进交通可持续发展至关重要。由于行驶里程的限制，EBs在长途旅行中仍面临显著劣势。

#### EBs的充电技术
随着交通运输电气化的快速发展，EBs的数量稳步增加，充电技术也在不断进步，成为公共交通的关键组成部分。与柴油巴士相比，EBs需要充电来补充能量。因此，EBs的充电技术面临更高的能量和时间需求。

#### 新能源EBs
EBs主要分为三种类型：插电式混合动力EBs、燃料电池巴士和纯EBs。由于燃料电池巴士能够发电

#### EBs调度问题研究
巴士车辆调度问题（VSP）是公共交通运营规划中的核心问题之一，旨在根据运营时间表合理分配巴士车队的资源。目标是确保所有日常服务出行都能被分配到相应的车辆上，并且每次出行都由单一车辆完成。主要目标是尽量降低总体运营成本。电动汽车调度问题（E-VSP）是传统车辆调度问题（VSP）的延伸。

**讨论与建议**
通过回顾现有的电动汽车调度优化研究，本文总结了六个影响电动汽车调度优化的关键因素：车队配置、充电策略、网络和充电站设置、优化目标、能耗估算以及解决方法。特别是选取了能够反映这些因素的代表性研究，并在表3中进行了系统的总结和比较。这些研究为不同因素如何影响调度优化提供了典型的例子。

**结论**
本文全面回顾了电动汽车调度和充电调度领域的最新研究进展，讨论了该领域的主要方法和挑战。首先介绍了多种估算电动汽车能耗的方法，包括经验方法、物理模型方法和数据驱动方法，重点介绍了机器学习技术的应用。同时提出了一个整体的研究框架。

**作者贡献声明**
杨继斌（Jibin Yang）：撰写 – 审稿与编辑、撰写 – 原稿撰写、验证、软件开发、资源协调、项目管理、方法论研究、数据整理、概念化；
周昊兰（Haolan Zhou）：撰写 – 审稿与编辑、撰写 – 原稿撰写、验证、软件开发、方法论研究、概念化；
吴晓花（Xiaohua Wu）：验证、监督、资源协调、方法论研究、资金申请、概念化、撰写 – 审稿与编辑；
郑潘（Pan Zheng）：撰写 – 原稿撰写、验证、软件开发。

**利益冲突声明**
作者声明没有已知的财务利益冲突或个人关系可能影响本文所报告的工作。

**致谢**
本研究部分得到了中国四川省科学技术项目（项目编号：2025ZNSFSC0427、2024ZDZX0035和2025ZYD0063）、国家自然科学基金（项目编号：52407254）、欧阳明高院士工作站青年人才发展基金（项目编号：5）、以及四川省教育厅2024年省级普通本科院校创新实验项目（项目编号：Chuan Jiao Han [2024] 451）的支持。